热点事件持续更新

研究者提出免训练多语言安全干预方法SEDATE

1 篇报道1 个报道来源11 小时前更新

先了解这件事

AI 综述

Sagnik Basu等作者提出免训练的SEDATE方法，通过“检测-编辑-验证”策略定位并编辑负责攻击性的神经元，用于大语言模型的多语言安全干预。据其论文，该方法在7种语言、4个模型家族上安全得分均显著优于最佳基线，在4种分布外语言和4个额外数据集上趋势一致，并保留模型通用能力、开销可忽略。

AI 根据报道生成 · 2 小时前更新

最新进展10月27日 12:00

沿着报道，了解事件的不同侧面。

10月27日

12:00
arXiv cs.CL
SEDATE：大语言模型跨语言是否共享攻击性回路？
研究者提出免训练的 SEDATE 方法，基于“检测-编辑-验证”策略定位并编辑负责神经元，在 7 种语言、4 个模型家族上安全得分均显著优于最佳基线。该方法在 4 种分布外语言和 4 个额外数据集上趋势一致，且保留模型通用能力、开销可忽略。

还没有足够的连续观测数据，暂不绘制趋势。